环境搭建与工具准备：工欲善其事，必先利其器

说实话，做量化投资也好，搞景气度数据清洗也罢，最怕的不是算法难，而是环境没配好。我见过太多新手，代码写了一半，发现某个库没装，或者版本冲突，心态直接崩了。今天咱们就把这套环境一次性搞定，后面写代码的时候，你只管专注业务逻辑就好。

Python 环境配置：选对版本，少走弯路

我个人习惯用 Python 3.9 或 3.10。为什么？因为 3.8 以下有些新库不支持，3.11 以上又太新，部分量化库还没跟上。你想想看，咱们做数据清洗，稳定比什么都重要。

安装步骤其实很简单：

1. 去 Python 官网下载对应版本（Windows 选 executable installer，Mac 选 macOS 64-bit installer）
2. 安装时记得勾选 「Add Python to PATH」——这个坑我踩过，不勾选的话，后面命令行里打 python 会提示找不到命令
3. 安装完成后，打开终端（cmd 或 terminal），输入 python --version 确认版本

Pandas 库安装：数据清洗的瑞士军刀

Pandas 这东西，说白了就是 Python 里的 Excel 加强版。我在项目中处理过几百万行的景气度数据，Excel 直接卡死，Pandas 几秒钟搞定。

安装命令：

pip install pandas

如果你用的是 Anaconda，也可以：

conda install pandas

安装完成后，在 Python 里验证一下：

import pandas as pd
print(pd.__version__)

嗯，这里要注意。如果你看到版本号是 1.0 以下，建议升级：pip install --upgrade pandas。我曾经用过一个老版本，结果 read_csv() 的参数都不全，折腾了半天才发现是版本问题。

NumPy 库安装：科学计算的基石

NumPy 是 Pandas 的底层依赖，很多数组运算、数学函数都靠它。你想想看，景气度数据里那些同比、环比、移动平均，底层全是 NumPy 在算。

安装命令：

pip install numpy

或者：

conda install numpy

验证一下：

import numpy as np
print(np.__version__)

Jupyter Notebook 使用：交互式开发的利器

Jupyter Notebook 是我最常用的工具。为什么？因为它可以边写代码边看结果，特别适合数据探索和清洗。你想想看，你读入一份数据，马上就能看到前几行、统计信息、缺失值情况，这种即时反馈感，是写脚本没法比的。

安装命令：

pip install jupyter

启动方式：

jupyter notebook

然后浏览器会自动打开一个页面，点击右上角的 New → Python 3，就可以开始写代码了。

几个常用快捷键，记住了效率翻倍：

快捷键	功能
Shift + Enter	运行当前单元格并跳到下一个
Ctrl + Enter	运行当前单元格但不跳转
Esc + A	在当前单元格上方插入新单元格
Esc + B	在当前单元格下方插入新单元格
Esc + M	将当前单元格切换为 Markdown 模式（写说明文字用）
Esc + Y	将当前单元格切换为代码模式

知识体系总览

下面这张图，把咱们这章的核心逻辑串起来了。你可以把它当成一张「地图」，后面写代码的时候随时回来对照。

这张图里，Python 是地基，Pandas 和 NumPy 是左右手，Jupyter 是工作台。四者缺一不可。我每次搭建新环境，都会按这个顺序来，从来没出过问题。